MétaCan
Menu
Retour à la cohorte
Enregistrement W1928924260 · doi:10.4000/eps.3788

Migrations, emplois et discriminations

2009· article· fr· W1928924260 sur OpenAlexaff
Nong Zhu, Cécile Batisse

Notice bibliographique

RevueEspace populations sociétés · 2009
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueChina's Socioeconomic Reforms and Governance
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

La question de l’insertion sur le marché du travail urbain des migrants ruraux est aujourd’hui devenue essentielle en Chine. Dans un contexte de réformes économiques, les politiques migratoires en Chine continentale se sont redéfinies, intensifiant ainsi fortement les migrations internes. Depuis les années 1980, cet exode est pour l’essentiel celui des « paysans-ouvriers » (min gong), qui sont ainsi devenus un élément majeur de la transition de la Chine vers une économie de marché. Cet article étudie l’insertion de ces migrants ruraux sur le marché du travail de la province du Guangdong à partir d’une base de données originale, issues d’une enquête sur les paysans-ouvriers, réalisée en 2006. À partir de modèles de durée, nous portons une attention particulière aux caractéristiques individuelles, temporelles (évolution de la mobilité dans l’emploi au cours du temps) et spatiales (rôle du lieu d’origine). Nos résultats montrent que les migrants forment un groupe hétérogène du point de vue de leurs caractéristiques individuelles et de leur employabilité dans le delta de la rivière des Perles. Les femmes, les jeunes et les peu qualifiés sont avantagés. La proximité géographique est également favorable. Nous examinons enfin les déterminants du salaire urbain des paysans-ouvriers qui s’insèrent sur un marché du travail de plus en plus segmenté et fragmenté.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,134
Score d'incertitude au seuil0,266

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,003
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,103
Tête enseignante GPT0,442
Écart entre enseignants0,338 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEspace populations sociétésMême sujetChina's Socioeconomic Reforms and GovernanceTravaux en français237 207